Hadoop运行模式

﹏ヽ暗。殇╰゛Y 2024-04-20 07:29 58阅读 0赞

⭐**简单说两句**⭐

> **作者：****后端小知识**
> 
> **CSDN**个人主页：[后端小知识][Link 1]
> 
> ?**GZH**：`后端小知识`
> 
> ?欢迎关注?点赞?收藏⭐️留言?

![image-20230824160445823][]

#### 文章目录 ####

*   *  Hadoop运行模式
     *   *  本地运行模式（官方WordCount）
         *  完全分布式运行模式（开发重点）
         *   *  编写集群分发脚本xsync
             *  SSH无密登录配置
             *  集群配置
             *  群起集群
             *  配置历史服务器
             *  配置日志的聚集
             *  集群启动/停止方式总结
             *  编写Hadoop集群常用脚本
             *  常用端口号说明

### Hadoop运行模式 ###

Hadoop官方网站：http://hadoop.apache.org/

Hadoop运行模式包括：**本地模式**、**伪分布式模式**以及**完全分布式模式**。

*  本地模式：单机运行，只是用来演示一下官方案例。生产环境不用。
 *  伪分布式：也是单机运行，但是具备Hadoop集群的所有功能，一台服务器模拟一个分布式的环境。个别缺钱的公司用来测试，生产环境不用。
 *  完全分布式模式：多台服务器组成分布式环境。生产环境使用。

#### 本地运行模式（官方WordCount） ####

?创建在hadoop-3.1.3文件下面创建一个wcinput文件夹

[root@hadoop102 hadoop-3.1.3]# mkdir wcinput

?在wcinput文件下创建一个word.txt文件并编辑

[root@hadoop102 wcinput]# vim word.txt

输入如下内容

> hadoop yarn
> 
> hadoop mapreduce

保存并退出 `:wq`

?回到Hadoop目录/opt/module/hadoop-3.1.3

?执行程序

[root@hadoop102 hadoop-3.1.3]# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput wcoutput

?查看结果

[root@hadoop102 hadoop-3.1.3]# cat wcoutput/part-r-00000

#### 完全分布式运行模式（开发重点） ####

分析：

1）准备2台客户机（关闭防火墙、静态IP、主机名称）

2）安装JDK

3）配置环境变量

4）安装Hadoop

5）配置环境变量

6）配置集群

7）单点启动

8）配置ssh

9）群起并测试集群

##### 编写集群分发脚本xsync #####

?rsync远程同步工具

rsync主要用于备份和镜像。具有速度快、避免复制相同内容和支持符号链接的优点。

rsync和scp区别：用rsync做文件的复制要比scp的速度快，rsync只对差异文件做更新。scp是把所有文件都复制过去。

（1）基本语法

rsync -av  p d i r / pdir/ pdir/fname  u s e r @ user@ user@host: p d i r / pdir/ pdir/fname

命令 选项参数 要拷贝的文件路径/名称 目的地用户@主机:目的地路径/名称

<table> 
 <thead> 
  <tr> 
   <th>选项</th> 
   <th>功能</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>-a</td> 
   <td>归档拷贝</td> 
  </tr> 
  <tr> 
   <td>-v</td> 
   <td>显示复制过程</td> 
  </tr> 
 </tbody> 
</table>

（2）案例实操

（a）删除hadoop103中/opt/module/hadoop-3.1.3/wcinput

[root@hadoop103 hadoop-3.1.3]# rm -rf wcinput/

（b) 同步hadoop102中的/opt/module/hadoop-3.1.3到hadoop103

[root@hadoop102 module]# rsync -av hadoop-3.1.3/ root@hadoop103:/opt/module/hadoop-3.1.3/

?xsync集群分发脚本

期望脚本在任何路径都能使用（脚本放在声明了全局环境变量的路径）

echo $PATH

我这里创建文件xsync文件放在 **/usr/bin** 下面

xsync文件内容如下

#!/bin/bash
    
    #1. 判断参数个数
    if [ $# -lt 1 ]
    then
        echo Not Enough Arguement!
        exit;
    fi
    #2. 遍历集群所有机器
    for host in hadoop102 hadoop103 
    do
        echo ====================  $host  ====================
        #3. 遍历所有目录，挨个发送
    
        for file in $@
        do
            #4. 判断文件是否存在
            if [ -e $file ]
                then
                    #5. 获取父目录
                    pdir=$(cd -P $(dirname $file); pwd)
    
                    #6. 获取当前文件的名称
                    fname=$(basename $file)
                    ssh $host "mkdir -p $pdir"
                    rsync -av $pdir/$fname $host:$pdir
                else
                    echo $file does not exists!
            fi
        done
    done

?修改脚本 xsync 具有执行权限

[root@hadoop102 bin]# chmod +x xsync

?测试脚本，同步环境变量配置

[root@hadoop102 ~]#	xsync /etc/profile.d/my_env.sh

注意：**如果用了sudo，那么xsync一定要给它的路径补全。**

让环境变量生效，每个机器都要弄

source /etc/profile

##### SSH无密登录配置 #####

?配置ssh

（1）基本语法

> ssh 另一台电脑的IP地址

?无密钥配置

（1）生成公钥和私钥

进入到`.ssh`目录中去

[root@hadoop102 .ssh]# ssh-keygen -t rsa

然后敲（三个回车），就会生成两个文件`id_rsa`（私钥）、`id_rsa.pub`（公钥）

（2）将公钥拷贝到要免密登录的目标机器上

[root@hadoop102 .ssh]# ssh-copy-id hadoop102
    [root@hadoop102 .ssh]# ssh-copy-id hadoop103

【注意】

**还需要在hadoop103上采用root账号配置一下无密登录到hadoop102、hadoop103服务器上。**

?`.ssh`文件夹下（~/.ssh）的文件功能解释

<table> 
 <thead> 
  <tr> 
   <th>known_hosts</th> 
   <th>记录ssh访问过计算机的公钥（public key）</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>id_rsa</td> 
   <td>生成的私钥</td> 
  </tr> 
  <tr> 
   <td>id_rsa.pub</td> 
   <td>生成的公钥</td> 
  </tr> 
  <tr> 
   <td>authorized_keys</td> 
   <td>存放授权过的无密登录服务器公钥</td> 
  </tr> 
 </tbody> 
</table>

##### 集群配置 #####

?集群部署规划

<table> 
 <thead> 
  <tr> 
   <th></th> 
   <th align="center">hadoop102</th> 
   <th>hadoop103</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>HDFS</td> 
   <td align="center">（NameNode） （DataNode） （ SecondaryNameNodeDataNode ）</td> 
   <td>DataNode</td> 
  </tr> 
  <tr> 
   <td>YARNYARN</td> 
   <td align="center">（NodeManager ）</td> 
   <td>（ResourceManager）（NodeManager）</td> 
  </tr> 
 </tbody> 
</table>

?配置文件说明

Hadoop配置文件分两类：默认配置文件和自定义配置文件，只有用户想修改某一默认配置值时，才需要修改自定义配置文件，更改相应属性值。

（1）默认配置文件：

<table> 
 <thead> 
  <tr> 
   <th>要获取的默认文件</th> 
   <th>文件存放在Hadoop的jar包中的位置</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>[core-default.xml]</td> 
   <td>hadoop-common-3.1.3.jar/core-default.xml</td> 
  </tr> 
  <tr> 
   <td>[hdfs-default.xml]</td> 
   <td>hadoop-hdfs-3.1.3.jar/hdfs-default.xml</td> 
  </tr> 
  <tr> 
   <td>[yarn-default.xml]</td> 
   <td>hadoop-yarn-common-3.1.3.jar/yarn-default.xml</td> 
  </tr> 
  <tr> 
   <td>[mapred-default.xml]</td> 
   <td>hadoop-mapreduce-client-core-3.1.3.jar/mapred-default.xml</td> 
  </tr> 
 </tbody> 
</table>

（2）自定义配置文件：

**core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml**四个配置文件存放在$HADOOP\_HOME/etc/hadoop这个路径上，用户可以根据项目需求重新进行修改配置。

?配置集群

（1）核心配置文件

配置core-site.xml

[root@hadoop102 ~]# cd $HADOOP_HOME/etc/hadoop

[root@hadoop102 hadoop]# vim core-site.xml

内容如下

<?xml version="1.0" encoding="UTF-8"?>
    <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
    
    <configuration>
        
        <property>
            <name>fs.defaultFS</name>
            <value>hdfs://hadoop102:8020</value>
        </property>
    
        
        <property>
            <name>hadoop.tmp.dir</name>
            <value>/opt/module/hadoop-3.1.3/data</value>
        </property>
    
        
        <property>
            <name>hadoop.http.staticuser.user</name>
            <value>tiancx</value>
        </property>
    </configuration>

（2）HDFS配置文件

配置hdfs-site.xml

[root@hadoop102 hadoop]# vim hdfs-site.xml

内容如下

<?xml version="1.0" encoding="UTF-8"?>
    <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
    
    <configuration>
    	
    	<property>
            <name>dfs.namenode.http-address</name>
            <value>hadoop102:9870</value>
        </property>
    	
        <property>
            <name>dfs.namenode.secondary.http-address</name>
            <value>hadoop102:9868</value>
        </property>
    </configuration>

（3）YARN配置文件

配置yarn-site.xml

[root@hadoop102 hadoop]# vim yarn-site.xml

文件内容如下

<?xml version="1.0" encoding="UTF-8"?>
    <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
    <configuration>
        
        <property>
            <name>yarn.nodemanager.aux-services</name>
            <value>mapreduce_shuffle</value>
        </property>
    
        
        <property>
            <name>yarn.resourcemanager.hostname</name>
            <value>hadoop103</value>
        </property>
    
        
        <property>
            <name>yarn.nodemanager.env-whitelist</name>
            <value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
        </property>
    </configuration>

（4）MapReduce配置文件

配置mapred-site.xml

[root@hadoop102 hadoop]# vim mapred-site.xml

文件内容如下

<?xml version="1.0" encoding="UTF-8"?>
    <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
    
    <configuration>
    	
        <property>
            <name>mapreduce.framework.name</name>
            <value>yarn</value>
        </property>
    </configuration>

?在集群上分发配置好的Hadoop配置文件

[root@hadoop102 hadoop]# xsync /opt/module/hadoop-3.1.3/etc/hadoop/

然后可以起hadoop103上面看看情况

##### 群起集群 #####

?配置worker

[root@hadoop102 hadoop]# vim /opt/module/hadoop-3.1.3/etc/hadoop/workers

在文件中添加如下内容

> hadoop102
> 
> hadoop103

**注意：该文件中添加的内容结尾不允许有空格，文件中不允许有空行。**

同步所有节点配置文件

[root@hadoop102 hadoop]# xsync /opt/module/hadoop-3.1.3/etc

?启动集群

（1）**如果集群是第一次启动**，需要在hadoop102节点格式化NameNode（注意：格式化NameNode，会产生新的集群id，导致NameNode和DataNode的集群id不一致，集群找不到已往数据。如果集群在运行过程中报错，需要重新格式化NameNode的话，一定要先停止namenode和datanode进程，并且要删除所有机器的data和logs目录，然后再进行格式化。）

[root@hadoop102 hadoop-3.1.3]# hdfs namenode -format

（2）启动HDFS

[root@hadoop102 hadoop-3.1.3]# sbin/start-dfs.sh

（3）\*\*在配置了ResourceManager的节点（hadoop103）\*\*启动YARN

[root@hadoop103 hadoop-3.1.3]# sbin/start-yarn.sh

（4）Web端查看HDFS的NameNode

*  浏览器中输入：http://hadoop102:9870
 *  查看HDFS上存储的数据信息

（5）Web端查看YARN的ResourceManager

*  浏览器中输入：http://hadoop103:8088
 *  查看YARN上运行的Job信息

?集群基本测试

（1）上传文件到集群

*  上传小文件
    
        [root@hadoop102 ~]# hadoop fs -mkdir /input
    
        [root@hadoop102 ~]# hadoop fs -put $HADOOP_HOME/wcinput/word.txt /input
 *  上传大文件
    
        [root@hadoop102 ~]# hadoop fs -put  /opt/software/jdk-8u212-linux-x64.tar.gz  /

（2）上传文件后查看文件存放在什么位置

*  查看HDFS文件存储路径
    
        [root@hadoop102 subdir0]# pwd
        /opt/module/hadoop-3.1.3/data/dfs/data/current/BP-1436128598-192.168.10.102-1610603650062/current/finalized/subdir0/subdir0
 *  查看HDFS在磁盘存储文件内容
    
        [root@hadoop102 subdir0]# cat blk_1073741825

（3）拼接

[root@hadoop102 subdir0]# cat blk_1073741836>>tmp.tar.gz
    [root@hadoop102 subdir0]# cat blk_1073741837>>tmp.tar.gz
    [root@hadoop102 subdir0]# tar -zxvf tmp.tar.gz

（4）下载

[root@hadoop104 software]# hadoop fs -get /jdk-8u212-linux-x64.tar.gz ./

（5）执行wordcount程序

[root@hadoop102 hadoop-3.1.3]# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output

##### 配置历史服务器 #####

?配置mapred-site.xml

[root@hadoop102 hadoop]# vim mapred-site.xml

在该文件里面增加如下配置。

<property>
        <name>mapreduce.jobhistory.address</name>
        <value>hadoop102:10020</value>
    </property>
    
    
    <property>
        <name>mapreduce.jobhistory.webapp.address</name>
        <value>hadoop102:19888</value>
    </property>

?分发配置

[root@hadoop102 hadoop]# xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml

?在hadoop102启动历史服务器

[root@hadoop102 hadoop]# mapred --daemon start historyserver

?查看历史服务器是否启动

[root@hadoop102 hadoop]# jps

?查看JobHistory

http://hadoop102:19888/jobhistory

##### 配置日志的聚集 #####

日志聚集概念：应用运行完成以后，将程序运行日志信息上传到HDFS系统上。

![image-20230824153849992][]

日志聚集功能好处：可以方便的查看到程序运行详情，方便开发调试。

注意：**开启日志聚集功能，需要重新启动NodeManager 、ResourceManager和HistoryServer。**

开启日志聚集功能具体步骤如下：

（1）配置yarn-site.xml

[root@hadoop102 hadoop]# vim yarn-site.xml

添加如下内容

<property>
        <name>yarn.log-aggregation-enable</name>
        <value>true</value>
    </property>
    
    <property>  
        <name>yarn.log.server.url</name>  
        <value>http://hadoop102:19888/jobhistory/logs</value>
    </property>
    
    <property>
        <name>yarn.log-aggregation.retain-seconds</name>
        <value>604800</value>
    </property>

（2）分发配置

[root@hadoop102 hadoop]# xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml

（3）关闭NodeManager 、ResourceManager和HistoryServer

[root@hadoop103 hadoop-3.1.3]# sbin/stop-yarn.sh
    [root@hadoop103 hadoop-3.1.3]# mapred --daemon stop historyserver

（4）启动NodeManager 、ResourceManage和HistoryServer

[root@hadoop103 ~]# start-yarn.sh

[root@hadoop102 ~]# mapred --daemon start historyserver

（5）删除HDFS上已经存在的输出文件

[root@hadoop102 ~]# hadoop fs -rm -r /output

（6）执行WordCount程序

[root@hadoop102 hadoop-3.1.3]# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output

（7）查看日志

历史服务器地址

http://hadoop102:19888/jobhistory

##### 集群启动/停止方式总结 #####

?各个模块分开启动停止（配置ssh是前提）常用

（1）整体启动/停止HDFS

start-dfs.sh/stop-dfs.sh

（2）整体启动/停止YARN

start-yarn.sh/stop-yarn.sh

?各个服务组件逐一启动停止

（1）分别启动/停止HDFS组件

hdfs --daemon start/stop namenode/datanode/secondarynamenode

（2）启动/停止YARN

yarn --daemon start/stop  resourcemanager/nodemanager

##### 编写Hadoop集群常用脚本 #####

?**Hadoop集群启停脚本（包含HDFS，Yarn，Historyserver）：myhadoop.sh**

[root@hadoop102 ~]# cd /usr/bin
    [root@hadoop102 bin]# vim myhadoop.sh

输入如下内容

#!/bin/bash
    
    if [ $# -lt 1 ]
    then
        echo "No Args Input..."
        exit ;
    fi
    
    case $1 in
    "start")
            echo " =================== 启动 hadoop集群 ==================="
    
            echo " --------------- 启动 hdfs ---------------"
            ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh"
            echo " --------------- 启动 yarn ---------------"
            ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"
            echo " --------------- 启动 historyserver ---------------"
            ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver"
    ;;
    "stop")
            echo " =================== 关闭 hadoop集群 ==================="
    
            echo " --------------- 关闭 historyserver ---------------"
            ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver"
            echo " --------------- 关闭 yarn ---------------"
            ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"
            echo " --------------- 关闭 hdfs ---------------"
            ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"
    ;;
    *)
        echo "Input Args Error..."
    ;;
    esac

保存后退出，然后赋予脚本执行权限

[root@hadoop102 bin]# chmod +x myhadoop.sh

?查看三台服务器Java进程脚本：jpsall

[root@hadoop102 ~]# cd /usr/bin
    [root@hadoop102 bin]# vim jpsall

输入如下内容

#!/bin/bash
    
    for host in hadoop102 hadoop103 
    do
            echo =============== $host ===============
            ssh $host jps 
    done

保存后退出，然后赋予脚本执行权限

[root@hadoop102 bin]# chmod +x jpsall

?分发/usr/bin目录，保证自定义脚本在三台机器上都可以使用

[root@hadoop102 ~]# xsync /usr/bin/

##### 常用端口号说明 #####

<table> 
 <thead> 
  <tr> 
   <th>端口名称</th> 
   <th>Hadoop2.x</th> 
   <th>Hadoop3.x</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>NameNode内部通信端口</td> 
   <td>8020 / 9000</td> 
   <td><font>8020 </font>/ 9000/9820</td> 
  </tr> 
  <tr> 
   <td>NameNode HTTP UI</td> 
   <td>50070</td> 
   <td><font>9870</font></td> 
  </tr> 
  <tr> 
   <td>MapReduce查看执行任务端口</td> 
   <td>8088</td> 
   <td>8088</td> 
  </tr> 
  <tr> 
   <td>历史服务器通信端口</td> 
   <td>19888</td> 
   <td>19888</td> 
  </tr> 
 </tbody> 
</table>

**【注】：集群时间同步就不写了，因为服务器在公网环境（能连接外网），不用同步时间**

好啦，环境搭建章节就到这儿就结束了额，大家快快行动起来吧?

【都看到这了，点点赞点点关注呗，爱你们】??

![抽象工厂  引导关注][5300dbdd3e106528c976ce68810d2576.png]

**结语**

`谢谢你的阅读`，由于作者水平有限，难免有不足之处，若读者发现问题，还请批评，在留言区留言或者私信告知，我一定会尽快修改的。若各位大佬有什么好的解法，或者有意义的解法都可以在评论区展示额，万分谢谢。  
写作不易，望各位老板点点赞，加个关注!???

**作者：****后端小知识**

**CSDN**个人主页：[后端小知识][Link 1]

?**GZH**：`后端小知识`

?欢迎关注?点赞?收藏⭐️留言?

[Link 1]: https://blog.csdn.net/m0_46833224
[image-20230824160445823]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/20/3cfcf4be9413499b824777a2156f3cea.png
[image-20230824153849992]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/20/4975972c2d514148a9d4d414ae400f3c.png
[5300dbdd3e106528c976ce68810d2576.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/20/13568786a82c4f719c1c28a1d02a3076.png